LLM Inference Benchmark Explorer
DeepSeek-V4-Pro-0813 op DGX B300 — FP8, vLLM, TP4 inferentiebenchmark
Open deze configuratie in de LLM Inference Benchmark Explorer
| Model | DeepSeek-V4-Pro-0813 |
|---|---|
| Parameters | 1.65T |
| Intelligence Index | 36 |
| Agentic Index | 41.3 |
| Apparaat | DGX B300 |
| Kwantisatie | FP8 |
| Max C | 32 |
| Chatcapaciteit | 128 |
| Agentische capaciteit | 48 |
| TP | 4 |
| DP | — |
| PP | — |
| Engine | vLLM |
| Speculatieve decodering | — |
| C | TTFT (ms) | TPS (tok/s) | Status |
|---|---|---|---|
| 1 | 279 | 117.77 | PASS |
| 2 | 87 | 107.49 | PASS |
| 4 | 284 | 80.85 | PASS |
| 8 | 107 | 72.79 | PASS |
| 16 | 307 | 52.36 | PASS |
| 32 | 314 | 45.17 | PASS |
| 64 | 584 | 16.64 | FAIL |
In de meting van OpenZeka bereikte DeepSeek-V4-Pro-0813 (1.65T parameters), aangeboden in FP8-formaat met vLLM op DGX B300 (TP=4), met één verzoek een generatiesnelheid van 117.8 tok/s per verzoek en een time to first token (TTFT) van 279 ms.
Rekening houdend met de snelheidsdoelen en de beschikbare KV-cachecapaciteit, bedraagt de geschatte capaciteit 128 gebruikers voor chatgebruik en 48 voor agentisch gebruik. De realistische capaciteit ligt waarschijnlijk tussen deze twee waarden. In scenario's waarin programmeren, toolgebruik, lange workflows en multi-agentgebruik overheersen, benadert de capaciteit de agentische schatting; waar kortere interacties, standaardgesprekken en lichtere taken overheersen, benadert zij de chatschatting.
Opmerkingen: 1M context
De waarden van Intelligence Index en Agentic Index worden gepubliceerd door Artificial Analysis en worden hier met bronvermelding overgenomen.
In de meting van OpenZeka bereikte DeepSeek-V4-Pro-0813 (1.65T parameters), aangeboden in FP8-formaat met vLLM op DGX B300 (TP=4), met één verzoek een generatiesnelheid van 117.8 tok/s per verzoek en een time to first token (TTFT) van 279 ms.
Rekening houdend met de snelheidsdoelen en de beschikbare KV-cachecapaciteit, bedraagt de geschatte capaciteit 128 gebruikers voor chatgebruik en 48 voor agentisch gebruik. De realistische capaciteit ligt waarschijnlijk tussen deze twee waarden. In scenario's waarin programmeren, toolgebruik, lange workflows en multi-agentgebruik overheersen, benadert de capaciteit de agentische schatting; waar kortere interacties, standaardgesprekken en lichtere taken overheersen, benadert zij de chatschatting.